Tekoälylitteroinnista kysytään ensimmäisenä, kuinka tarkka se on. Rehellinen vastaus on, että se riippuu jaksosta. Rauhallinen kahden hengen haastattelu hyvillä mikrofoneilla toimii eri tavalla kuin nelihenkinen paneeli, joka on nauhoitettu videopuheluiden yli. Tuotesivun prosenttiluku on keskiarvo jonkun toisen äänestä.

Tämä artikkeli keskittyy kahteen asiaan: mikä tarkkuuteen vaikuttaa ja 10 minuutin testiin, jolla selvität oman jaksosi virhesuhteen.

Mikä vaikuttaa tarkkuuteen

Tekijä Miksi sillä on väliä Mikä auttaa
Äänenlaatu Taustamelu, kaiku ja pakkaus peittävät äänteet, joita malli tarvitsee Hiljainen huone, lähellä oleva mikrofoni, paikallisesti nauhoitettu raita
Päällekkäinen puhe Kahta yhtä aikaa puhuvaa ei yleensä pystytä kirjaamaan molempia Pyydä vieraita olemaan keskeyttämättä; tarkista kohdat korvakuulolta
Nimet ja ammattisanasto Harvinaiset nimet, tuotemerkit ja termit arvataan äänen perusteella Tarkista jokainen nimi jaksosivulta tai vieraan sivustolta
Murteet, aksentit ja puhenopeus Harvinaisemmat aksentit ja hyvin nopea puhe nostavat virhesuhdetta Valitse oikea puhuttu kieli; käy nopeat kohdat läpi
Kielten sekoittuminen Puhuja, joka vaihtaa kieltä kesken lauseen, hämmentää kielimallia Varaudu ylimääräisiin virheisiin vaihtokohdissa
Numerot ja päivämäärät Numerot ja yksiköt kuulee helposti väärin (”viisitoista” ja ”viisikymmentä”) Tarkista jokainen luku, jonka aiot käyttää

Mikään tästä ei koske vain yhtä työkalua. Puheentunnistus valitsee äänelle todennäköisimmät sanat, ja harvinaiset sanat jäävät helposti todennäköisempien varjoon.

10 minuutin pistokoe

Litteroinnin tarkkuus ilmoitetaan yleensä sanavirhesuhteena (WER, word error rate):

WER = (substitutions + deletions + insertions) / words in the correct text
  • Korvaus (substitution) on väärä sana (”viisikymmentä” sanan ”viisitoista” tilalla).
  • Poisto (deletion) on sana, joka puhuttiin mutta puuttuu tekstistä.
  • Lisäys (insertion) on sana, joka on litteraatissa mutta jota ei koskaan sanottu.

Viiden prosentin WER tarkoittaa noin yhtä väärää sanaa kahdestakymmenestä. Mitä pienempi luku, sen parempi. Sen voi mitata otoksesta tarkistamatta koko jaksoa.

  1. Valitse kolme noin minuutin pituista kohtaa: yksi alusta, yksi keskeltä ja yksi lopusta. Vältä mainoksia ja musiikkia.
  2. Kuuntele ja korjaa. Lue kunkin kohdan litteraattia samalla kun kuuntelet ja merkitse jokainen korvaus, poisto ja lisäys. Kuuntele normaalilla nopeudella, sillä suurimman osan virheistä löydät ensimmäisellä kerralla.
  3. Laske sanat korjatusta kohdasta. Minuutissa keskustelua on usein noin 130 ja 170 sanan välillä.
  4. Laske virheet yhteen ja jaa sanamäärällä. Tee sama kaikille kolmelle kohdalle ja laske niistä keskiarvo.
  5. Huomaa, mistä virheet johtuvat. Jos suurin osa tulee nimistä ja numeroista, litteraatti kelpaa luettavaksi, mutta se kaipaa nopean muokkauksen ennen sitaatteja.

Käytä yksinkertaista taulukkoa:

Kohta Sanat Korvaukset Poistot Lisäykset WER
Alku 150
Keskikohta 150
Loppu 150

Kolme minuuttia ääntä on pieni otos, joten pidä tulosta suuntaa antavana. Tee testi vielä toisella, vaikeammalla jaksolla, ennen kuin luotat työkaluun.

Kaikki virheet eivät maksa yhtä paljon

WER-luku painottaa jokaista väärää sanaa samalla tavalla, mutta lukija ei. Puuttuva ”ja” tuskin haittaa, mutta väärä nimi tai kääntynyt ”ei” muuttaa merkityksen. Kiinnitä tarkistaessasi erityistä huomiota näihin:

  • Nimet: ihmisten, yritysten ja paikkojen
  • Numerot, päivämäärät, hinnat ja prosentit
  • Kieltomuodot (”voi” ja ”ei voi”, ”teki” ja ”ei tehnyt”)
  • Sitaatit, jotka aiot käyttää sanasta sanaan

Tarkistus sujuvaksi

Tarkistuksen hitain vaihe on oikean kohdan löytäminen äänestä. Podcast To Transcript -palvelussa jokaisella litteraatin rivillä on aikaleima ja puhujamerkintä. Rivin napsauttaminen siirtää soittimen siihen kohtaan, joten epäilyttävän jakson kuulee sekunneissa eikä jaksoa tarvitse selata läpi. Valitse oikea puhuttu kieli ennen litterointia ja lue litteraattia äänen kanssa nimien ja lukujen kohdalla.

Jos tarkkuus on työllesi tärkeää, esimerkiksi artikkelin tai tutkimuksen sitaattien vuoksi, tutustu toimittajille ja tutkijoille tarkoitettuihin sivuihin sekä oppaaseen podcastin litteroinnista. Kun haluat viitata tarkistamaasi aineistoon, lue kuinka podcastiin viitataan.

Yhteenveto

  • Tarkkuus riippuu jaksosi äänestä.
  • Mittaa se: kolme minuutin otosta, laske virheet, jaa sanamäärällä.
  • Tarkista nimet, numerot, kieltomuodot ja sitaatit aina korvakuulolta ennen julkaisua.

Usein kysytyt kysymykset

Kuinka tarkka tekoälyn podcast-litterointi on?

Selkeässä puheessa yhden tai kahden puhujan kesken nykyiset työkalut tunnistavat suurimman osan sanoista oikein. Tarkkuus laskee taustamusiikin, päällekkäisen puheen, voimakkaiden aksenttien ja puhelinlinjan yli tehtyjen nauhoitusten myötä. Luotettavin luku on oma mittauksesi omalta jaksoltasi yllä olevalla pistokokeella.

Mikä on sanavirhesuhde?

Sanavirhesuhde (WER) kertoo, kuinka suuri osa sanoista on väärin, puuttuu tai on lisätty verrattuna oikeaan viitetekstiin. 5 %:n WER tarkoittaa noin 5 virhettä sataa sanaa kohden. Koska kaikki sanat painavat yhtä paljon, luku ei kerro, että väärä nimi on pahempi kuin väärä ”ja”.

Miksi nimet ja numerot menevät useimmin väärin?

Harvinaisia nimiä, tuotemerkkejä ja numeroita on vaikea ennustaa asiayhteydestä, joten mallilla on vähän tukea. Juuri näihin sanoihin lukija luottaa eniten, minkä vuoksi yllä oleva tarkistuslista alkaa niistä.

Voinko parantaa tarkkuutta ennen litterointia?

Kyllä. Nauhoita jokainen puhuja omalle mikrofonilleen, kun se on mahdollista. Pidä musiikki hiljaisena puheen alla ja aseta puhuttu kieli itse sen sijaan, että jättäisit tunnistuksen arvaamaan. Parempi ääni auttaa enemmän kuin mikään asetus.

Pitääkö tekstin silti oikolukea?

Kyllä, erityisesti julkaistavaksi menevä teksti. Pidä tekoälyn tekstiä nopeana ensimmäisenä luonnoksena, tarkista nimet, numerot ja sitaatit korvakuulolta ja korjaa ne ennen julkaisua. Podcast To Transcript säilyttää aikaleimat jokaisen rivin vieressä, joten voit hypätä täsmälleen oikeaan sekuntiin ja kuunnella. Hinnoittelu-sivulta näet, mitä kukin tilaus sisältää, ja opas podcastin litterointiin käy vaiheet läpi.